负责任的生成人工智能的五大支柱:未来的道德准则
生成式人工智能的进步引发了关于数据所有权的新问题, 内容的完整性, 算法的偏见, and more. Here, NLP前沿的三位专家提出了开发道德生成人工智能解决方案的建议.
Madelyn Douglas
问一个人工智能工程师:关于人工智能的趋势问题
在这个问我任何问题的Q中&A, Toptal首席AI开发人员若昂·迪奥戈·德·奥利维拉回答了其他工程师关于转向ML的资源的问题, 大型语言模型的方法, 以及人工智能未来最关键的应用.
若昂·迪奥戈·德·奥利维拉
问一个NLP工程师:从GPT模型到人工智能伦理
想要在像GPT-4这样的革命性语言模型的浪潮中扩展你的技能吗? 在这个问我任何问题风格的教程, Toptal数据科学家和人工智能工程师Daniel psamurez Rubio回答了其他程序员关于机器学习的问题, 自然语言处理, 以及人工智能话题.
丹尼尔·帕姆雷斯·卢比奥
挖掘数据簇:用R和Gephi进行社会网络分析
探索X(以前的Twitter)数据集群来发现用户行为(例如.g.(转发和回复模式). 本指南侧重于政治数据集,以说明可视化和分析社会数据的过程.
胡安·曼纽尔·奥尔蒂斯·德·萨拉特
Leandro Roser
图形数据科学与Python/NetworkX
数据以前所未有的方式充斥着我们——我们怎么能指望分析它呢? 图(网络,而不是条形图)提供了一种优雅的方法. 了解如何从Python NetworkX库开始描述, visualize, 并分析“图论”数据集.
费德里科•阿尔巴内塞
星星重新排列:改进IMDb评级系统
IMDb的评分存在类型偏见:例如,电视剧往往得分更高. 消除共同特征偏差,保持独特特征, 可以创建一个新的, 基于IMDb信息的精炼分数.
胡安·曼纽尔·奥尔蒂斯·德·萨拉特
数据工程师的非传统数据存储指南
随着大数据和数据科学的兴起, 存储和检索已成为数据使用和分析的关键管道组件. 近年来,新的数据存储技术不断涌现. 但问题是:你应该选择哪一个? 哪一个最适合数据工程?
In this article, Toptal数据科学家Ken Hu比较了数据工程背景下的三种主要存储技术.
Ken Hu
预测社会网络分析的数据挖掘
分析人士已经认识到,社交网络数据是一个虚拟的信息宝库,可以用来感知民意趋势和民意支持的浪潮. In this article, Toptal工程师Elder Santos描述了他用于概念验证的技术,该技术有效地分析了Twitter趋势主题并进行了预测, 作为示例测试用例, 2014年巴西总统大选的地区投票模式.
Elder Santos
世界级的文章,每周发一次.